一种基于深度学习的频控阵雷达目标定位方法

本发明涉及阵列信号处理技术领域，具体涉及一种基于深度学习的频控阵(Frequency Diverse Array,FDA)雷达目标定位方法。本发明采用卷积神经网络(Convolutional Neural Network,CNN)结构，利用FDA的波束特性与CNN权值共享、局部连接及池化降维的特点，搭建输入数据量与网络结构复杂度相匹配的网络模型，将目标定位问题转化为从回波信号协方差矩阵到目标方位角和距离信息的非线性映射问题，提出一种FDA‑CNN定位算法。该方法将方位角距离解耦问题置于FDA‑CNN网络模型中解决，有效降低了过拟合风险，高效完成了方位角距离解耦，直接获得方位角和距离信息，同时也提高了对目标定位的精度。